弹道目标跟踪的自适应多维分配相关算法

研究了弹道目标防御雷达的多目标跟踪数据关联方法,提出了一种弹道目标跟踪的自适应多雏分配相关算法.在对多传感器探测覆盖区域进行分区处理的基础上,进行多目标跟踪模式的判断,根据跟踪模式选取不同维数的多维分配相关算法进行相关处理,分析了多维分配算法存在的问题,给出了算法实现的伪代码.仿真实验结果表明,利用该算法能够很好地跟踪弹道目标.     

基于数据压缩的多传感器PHD滤波算法

针对多传感器多目标跟踪,提出一种基于数据压缩的多传感器概率假设密度(PHD)滤波算法,解决串行多传感器PHD(SMSPHD)滤波计算量过大的问题。算法首先利用数据压缩将多传感器量测数据转换成等效的单传感器量测数据,然后在此基础上进行PHD滤波。仿真结果表明,该算法可以实现对多目标的有效跟踪;此外,随传感器数目的增加,该算法增加的计算量约为SMSPHD滤波算法增加的4.3%。     

传感器网络中结合分类信息的多目标关联算法

多传感器多目标跟踪系统的关键技术之一是航迹关联,应用于传感器网络时更为复杂。提出结合分类信息的基于图模型航迹关联算法,把目标分类信息和运动学信息相结合来提高关联效果。它利用分类混淆矩阵确定分类结果似然函数,修改基于图模型的航迹关联算法的顶点兼容函数和连线兼容函数。对多传感器网络的多目标跟踪情况仿真．比较仿真结果说明结合分类信息确实提高了关联正确率。     

多传感器分布式融合检测自适应算法

多传感器融合检测系统的主要结构为分布并行式融合结构，贝叶斯融合检测策略则是分布式融合检测系统中最典型的一种融合方法。在该策略中必须给定假设的先验概率和各个传感器的虚警概率和漏检概率，而在实际应用中，这些统计量是未知的或者随时间变化的。文中给出一种分布式融合结构的自适应融合算法，可以在线自适应学习先验概率、虚警概率及漏检概率，从而利用融合算法解决决策融合问题。计算机仿真结果表明了算法自适应逼近传感器虚警概率和漏检概率的过程，及融合检测的有效性。     

MHT算法在航迹关联中的应用

为了将水下航行器探测目标过程中出现的混淆的目标点迹进行有效分离,将基于卡尔曼滤波的多假设跟踪算法应用于多目标的航迹关联.介绍了多假设算法的基本流程和原理:假设的产生、概率计算和假设剪除,并进行数值仿真.仿真结果表明:多目标跟踪算法能够有效解决"量测-目标"数据关联问题,并且能在较短时间内确认目标航迹.     

分布式多传感器多目标航迹关联处理算法研究

系统综述分布式多传感器多目标航迹处理的4种算法：序贯航迹关联算法、最近邻域航迹关联算法、K近邻域航迹关联算法,以及修正的K近邻域航迹关联算法。对这些理论方法用MatLab仿真进行理论分析实验,实验结果证明其具有可行性。     

基于综合相似接近度的航迹关联算法

文中以分布式多目标跟踪系统的航迹关联问题为研究对象,在综合考虑两模糊集问的三种接近程度度量（即海明距离、模糊贴近度、灰色关联度）的基础上,采用综合相似接近度算法,并将它应用于航迹关联问题。最后给出了两传感器环境下的仿真结果,并与最近邻法、加权法进行了比较,显示了该算法在关联正确率上有所提高。     

基于多特征信息的支持向量机数据关联算法

数据关联是多目标跟踪中的关键问题.利用信息融合技术和支持向量机分类模型,提出了一种新的多目标跟踪数据关联算法--基于多特征信息的支持向量机的数据关联算法.该算法充分利用了传感器的测量信息,从而减小了量测与航迹关联的不确定性;并且由于支持向量机算法是一个二次型优化问题,从而克服了人工神经网络训练过程中的局部极小值的问题.计算机仿真表明,该算法具有较高的关联性能.     

低检测概率条件下的多传感器机动多目标跟踪方法研究

为解决低检测概率条件下的多传感器非线性、机动、多目标检测、数据关联及滤波问题,首先对目标数量进行随机过程建模,其次应用模型参数以及目标数量对目标状态进行了增广,最后应用多模型粒子滤波器（MMPF）对多传感器在低检测概率条件下的机动多目标跟踪进行了仿真。仿真结果表明：基于MMPF的低检测概率目标跟踪方法能够有效检测目标数量,同时对机动多目标具有良好的跟踪性能。     

基于信息滤波的分布式多传感器状态估计算法

在信息滤波理论和分布式状态估计算法基础上．研究了基于信息滤波的分布式多传感器状态估计算法。证明了基于信息滤波和Kalman滤波的分布式状态估计解的等价关系。最后．给出了算法的仿真分析。     

多传感器航迹关联算法研究

航迹关联是多传感器目标跟踪系统进行航迹融合的基础,是对目标进行连续跟踪的关键技术之一。在介绍基于概率统计的传统航迹关联算法的基础上,阐述了一种基于小波变换和多分辨率分析的序贯航迹关联新算法,通过Matlab仿真说明该新算法在性能上较传统方法有较大改善。     

基于线性高斯滤波的多传感器管理算法

随着战场环境的复杂多变,军用传感器系统通常需要在满足跟踪精度要求的前提下,最大限度地降低对资源的使用,隐藏自己.为达到上述要求,传感器管理系统就必须较好地应对目标机动、干扰等不确定因素,最大限度地降低其对系统资源的需求.为此,将线性高斯滤波理论应用于基于协方差控制的多传感器管理算法.仿真结果表明:线性高斯滤波具有处理随机干扰的能力,提高了多传感器系统的探测精度,降低了传感器管理算法无解的概率,避免了因滤波算法精度低而造成的资源浪费,提高了抗毁性,在随机干扰情况下,较好地平衡了跟踪精度和系统工作负载.     

杂波环境下多机动目标跟踪的一种新粒子滤波器算法研究

多机动目标跟踪系统具有本质非线性和非高斯特性, 而且状态的测量通常是来源未确定的观测量, 在杂波环境下尤其如此.因此, 杂波环境下的多机动目标跟踪问题需要同时解决多个目标的机动性以及测量和目标之间的关联问题.提出了一种结合粒子滤波器和吉布斯采样器的多机动目标跟踪算法, 可以很好地解决在杂波环境下的多机动目标跟踪问题.在仿真研究中, 与另一多机动目标粒子滤波器算法BMMPDAF的比较证明了所提出的算法的优越性.     

交互多模型算法在目标跟踪领域的应用

对于目标的跟踪问题,多模型算法相对于单模型算法具有较大的优势;介绍了交互多模型算法的起源和发展,归纳和总结了近年来多模型算法的改进方向,介绍了多模型算法应用的新领域,简述了多传感器目标跟踪的研究成果;最后加以总结,展望多模型算法的研究方向。     

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_ Me算法对比分析表明：ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。     

不完全信息下分布式目标跟踪算法

针对分布式目标跟踪过程中出现数据丢包和不完全量测现象,提出一种分布式目标跟踪算法.该算法由统计意义下局部滤波器和基于协方差交叉算法融合滤波器构成,其中局部滤波器利用邻域内各节点测量信息计算局部滤波值,融合滤波器则将邻域内各节点局部滤波值进行融合处理,得到该节点的目标坐标信息;最后,利用典型目标航迹模型对该算法进行仿真分析.仿真结果表明:该算法可有效抑制不完全信息发生时对目标跟踪结果的不利影响,可为分布式目标跟踪系统在实际工程中的设计与研制提供有益的参考.     

一种导引头有界正相关自适应跟踪控制算法

为适应雷达导引头跟踪高动态和高精度的应用需求,提出一种有界正相关自适应跟踪控制算法。通过分析指标之间的相互制约关系,构建一种积分系数与跟踪角误差变化大小正相关的自适应跟踪控制器;该控制器自适应积分系数多项式的拟合计算关联考虑隔离度指标、跟踪距离模式和最大跟踪角速度精度的指标要求。实测结果表明：采用该控制器,在满足隔离度指标要求的同时,跟踪10 (°)/s目标时,视线角速度精度提升1倍以上。     

基于转换坐标卡尔曼滤波算法的目标跟踪

在三维空间中推导转换坐标卡尔曼滤波算法.先设一传感器位于坐标原点,导出目标测量方程及三维传感器测量误差方差.再假设目标相对于传感器的斜距、俯仰角及方位角在一定位置,根据公式求得三者关系,然后将传感器对目标的测量值转换到直角坐标系,得到传感器的斜距误差俯仰角误差和方位角误差均相互独立,均值为零.最后经转换,得到测量和真实值间的误差.仿真表明,该算法收敛迅速,精度较高,具有良好的跟踪性能.     

密集杂波环境下基于两点量测和Viterbi的PDA算法研究

为了更好地解决密集杂波环境下的目标跟踪问题,弥补密集杂波环境下概率数据互联算法(PDA)误关联概率偏高的不足,在对现有的Viterbi数据互联算法进行深入分析的基础上,给出了一种计算两个量测之间互联概率的表达式,提出了一种基于两点量测的Viterbi数据互联算法(TM-VDA).仿真验证,TM-VDA能够很好地完成对目标的跟踪,特别是在密集杂波环境下误跟踪率较PDA大大降低.